kd树简析

一言蔽之，kd树的想法为：

对于目标点A，若点B较之其他点，每个纬度都更接近A，则猜测B接近该点。

kd树构造算法：

方法：共n个纬度，轮次选择纬度作为划分依据（纬度1、纬度2……），重复直至训练样本用完。

结果：将每个空间一分为二，重复划分。最终每个子空间附着一个点。

kd树寻找1-临近：

方法：将点A所划分到的空间k对应点Xk作为初始解，连接两点，以A为球心做球，寻找与球相交的子空间，搜索全部相交的空间（及时更新最小值可适当减少搜索）

问题：如何寻找相交子空间。

对于n维数据，即使回溯n步也不能保证不与剩余空间相交

如图A点所在空间由右部空间划分而成，而右部空间只能包含A 50%方向的搜索。

造成这一现象的原因在于树的结构，临近划分点的数据被划分到了不同的区间，并且随着树向下生长，两子空间的搜索距离继续增长，回溯所需步数增加。